NLG（自然语言生成技术）如何应用到诉讼领域？这家法律科技公司做到了！

导  读

法律界的人工智能公司——LegalMation，

首度尝试将自然语言生成技术（NLG）运用至其诉讼系统，更新迭代后的系统可对案件成本进行自动化测算，并完成精准律师匹配。 

LegalMation

是谁？

LegalMation，一个专注于诉讼的法律科技公司，率先将自然语言生成(NLG)应用其诉讼系统。起初，NLG技术被LegalMation用于自动生成证据披露请求的草稿，近期其开发了一套新的工具，焕然一新的诉讼系统可助力于日常法律事务，包括对成本进行自动化预算分析，以及为特定类型的案件精准匹配律师。

LegalMation总部位于美国加州，是一家由律师创办、同时又为律师提供服务的法律科技公司，致力于用人工智能技术将诉讼工作自动化。其诉讼体系可以通过AI技术自动生成诉讼文件草稿，LegalMation希望可以通过技术改变律师们的工作方式并提高律师们为客户输出的价值。

作为LegalMation的联合创始人兼CEO，James Lee表示，为了更好地达成本分析自动化及律师的精准匹配，LegalMation已将开始将重心逐渐从NLG转移至NLP（自然语言处理），即研究如何更好地通过处理非结构化数据并提取相关信息。

为了更好地开发这一项合成新技能，LegalMation已和零售巨头沃尔玛的法务团队达成合作，共同助力NLP在诉讼领域的应用。

什么是自然语言生成（NLG）?

那么，什么是NLG（自然语言生成）？

先来看一个公式：NLP=NLU+NLG

NLG是NLP 的重要组成部分，其中NLU 负责理解内容，NLG负责生成内容。简而言之，NLG 是为了跨越人类和机器之间的沟通鸿沟，将非语言格式的数据转换成人类可以理解的语言格式，如文章、报告等。

就好比在日常生活中，当你向智能音箱提问“现在几点？”，音箱将利用NLU技术判断你的意图、理解你的提问，再通过NLG技术说出“现在是15点30分”。

NLG/NLP 真的能使

诉讼过程自动化么？

法律行业中的“过程自动化”，都有着通过尽量减少劳动力、降本增效的共同目标，尤其是具有大量法律支出的企业，更需要通过实现过程的自动化，来提高工作效率。同时，该系统还能为想要提升日常非计费诉讼工作的效率的律师事务所赋能。

James Lee 介绍到，在美国，当律师需要对案件作预算分析时，通常会通过检索档案管理系统（DMS, Document Management System）找出三至五个同类案件，再通过同类案件中提取相关的财务数据，完成这一过程往往需要耗费一整天的时间。而这一项工作若通过NLG植入的案件管理系统操作，仅需要几分钟即可完成检索。

Legal Mation从2016年起开始对NLG技术在诉讼领域的应用展开研究，其系统至今已收录来自法院、律所及企业法务的至少500种类型的案例，同时对法院、律所及企业在处理案件的成本及完成时效作了对比研究，并鼓励更多的企业和律所能够分享他们的成本数据。

Lagal Mation通过NLG嵌入技术构建了一个详细的案件事项分类体系，在他们看来，其详细程度可赶超美国法律行业联盟（SALI）所发布的法律事项规范标准（该标准命名为LMSS 1.0，已于2020年2月4日在纽约的法律技术会议上发布），也正是由于这种精细化的分类程度，使之能够对案件处理提供支持、并能准确地预测案件的成本。

LegalMation是怎么做的？

尽管法律行业期待看到更多大型企业的法律相关数据，但这恐怕还需要一段时间。LegalMation和零售巨头沃尔玛的合作则为此开了个好头。

然而该技术的应用真的能有效赋能诉讼工作，为律所降本增效吗？Lee表示，其系统能缩短诉讼工作的准备过程，对案件类型的分类有助于降低风险，使律师更专注于案件本身，提高对案件的洞察力。

让我们来看看LegalMation是怎么做的：

1、通过定制化的"DASHBOARD"实时跟进 

图片来源于网络

 实时跟踪、记录：案件总数、案件类型、平均结案时长。

2、通过"SIDE BY SIDE" 并列分词检索

图片来源于网络

举个例子，目前绝大多数律所会将"Disability discrimination"(残疾人歧视)纳为一种案件类型。

然而当比较“基于身体残疾发起的索赔”(disability discrimination based on physical disability claims)和“基于精神残疾发起的索赔”(disability discrimination based on mental disability claims) 两个子分类下的数据，其检索结果和处理时长则大不相同。

这是由于不同的子分类有着不同程度的风险，由此可见“SIDE BY SIDE”的递进式分类检索的重要性。

3、通过"ATTORNEY MATCH"完成律师匹配

图片来源于网络

继续沿用前述“残疾人歧视”的例子。

假设我们需要检索“哪位律师曾经办过基于遗传信息差异的残疾人歧视案？”

(Disability discrimination case based on Genetic Information Discrimination)

系统可以通过并列关键词过滤筛选（filters），同时检索包含“Disability discrimination"及“Genetic information discrimination”的目标案件，就能马上得知承办过该类案件的律师团队。与此同时，还可以通过系统生成关于同类案件处理用时的分析报告，从而助力律师为待办案件作成本预算和提案的准备。

如果一套智能工具能帮助律师增大诉讼的赢面同时降低成本，何乐而不为呢？技术的日新月异持续为各行各业赋能，我们相信，法律科技，未来可期！

END

法 嗅

嗅出法律科技之美

扫码关注法嗅

法律 | 科技 | 社会

合作联系邮箱：zhanghj3@bestone.com